시냅스 모사형 RRAM 기반 뉴로모픽 컴퓨팅 연구

Synaptic-emulation RRAM for neuromorphic computing

연구 내용

HfSiOx, ZnO, HfO2/WS2 등 박막 기반 멤리스터에서 아날로그 다단 스위칭과 시냅스 기능을 구현하여 뉴로모픽 컴퓨팅에 적용하는 연구

강유전체/산화물 계열 박막과 전극 구조를 조합한 RRAM 멤리스터에서 전기적 스위칭과 도전도(Conductance) 조절 메커니즘을 분석하고, 이를 뉴로모픽 회로의 시냅스 동작으로 매핑하는 연구를 수행합니다. ALD 또는 박막 증착 공정으로 계면 조성과 물질 분포를 형성하고, XPS와 TEM 기반으로 화학·구조적 변화를 규명합니다. 또한 compliance 및 reset-stop 전압 제어를 통해 다단 저항 상태를 만들고, 단기/장기 가소성 및 STDP, PTP 등 학습 특성을 모사하여 신경망 시뮬레이션 정확도로 검증하는 차별성을 보유합니다.

관련 프로젝트

0건

연구 흐름

초기에는 ALD로 증착한 HfSiOx 기반 멤리스터에서 아날로그 바이폴라 스위칭과 다단 전환을 안정적으로 구현하고, 시냅스 특성(단기/장기 가소성)을 전기적 신호로 재현하는 방향으로 연구를 수행했습니다. 이후 ZnO 및 금속 산화물 계면 구조로 전도도 변조와 반복 스위칭 특성을 확장했으며, 2D 소재와 고-k 산화물 이종 적층(HfO2/WS2)으로 층 내 원소 확산과 산소 추출에 따른 가변 조절 메커니즘을 정리했습니다. 최근에는 다층 박막과 reset-stop 조절을 결합해 다단 상태를 정밀 제어하고, CNN을 포함한 신경망 시뮬레이션으로 응용 가능성을 검증하는 궤적으로 진행되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

저전력 인공신경망 추론
뉴로모픽 메모리
다단 저항 상태 데이터 저장
시냅스 기반 가중치 업데이트
스파이크 기반 학습 하드웨어
패턴 인식 가속기
엣지 AI 센서노드
신경형 제어 로직
메모리-컴퓨팅 융합
비휘발성 시냅스 어레이